論文の概要: C3VDv2 -- Colonoscopy 3D video dataset with enhanced realism
- arxiv url: http://arxiv.org/abs/2506.24074v1
- Date: Mon, 30 Jun 2025 17:29:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-01 21:27:54.172162
- Title: C3VDv2 -- Colonoscopy 3D video dataset with enhanced realism
- Title（参考訳）: C3VDv2 -- 拡張リアリズムによる3Dビデオデータセットのコロニー化
- Authors: Mayank V. Golhar, Lucas Sebastian Galeano Fretes, Loren Ayers, Venkata S. Akshintala, Taylor L. Bobrow, Nicholas J. Durr,
- Abstract要約: 本稿では,高精細3Dビデオデータセットの第2版(v2)であるC3VDv2を紹介する。
192個のビデオシーケンスは60個の特異な高忠実度シリコーン大腸ファントムセグメントで撮影された。
消化器科医が取得した8つのシミュレートされた大腸内視鏡ビデオには、真実のポーズが提供されている。
データセットには、質的評価のための大腸変形を特徴とする15のビデオが含まれている。
- 参考スコア（独自算出の注目度）: 1.1774995069145182
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Computer vision techniques have the potential to improve the diagnostic performance of colonoscopy, but the lack of 3D colonoscopy datasets for training and validation hinders their development. This paper introduces C3VDv2, the second version (v2) of the high-definition Colonoscopy 3D Video Dataset, featuring enhanced realism designed to facilitate the quantitative evaluation of 3D colon reconstruction algorithms. 192 video sequences were captured by imaging 60 unique, high-fidelity silicone colon phantom segments. Ground truth depth, surface normals, optical flow, occlusion, six-degree-of-freedom pose, coverage maps, and 3D models are provided for 169 colonoscopy videos. Eight simulated screening colonoscopy videos acquired by a gastroenterologist are provided with ground truth poses. The dataset includes 15 videos featuring colon deformations for qualitative assessment. C3VDv2 emulates diverse and challenging scenarios for 3D reconstruction algorithms, including fecal debris, mucous pools, blood, debris obscuring the colonoscope lens, en-face views, and fast camera motion. The enhanced realism of C3VDv2 will allow for more robust and representative development and evaluation of 3D reconstruction algorithms.
- Abstract（参考訳）: コンピュータビジョン技術は、大腸内視鏡の診断性能を向上させる可能性があるが、トレーニングと検証のための3D大腸内視鏡データセットの欠如は、その開発を妨げている。
本稿では,高精細3Dビデオデータセットの第2版(v2)であるC3VDv2を紹介する。
192個のビデオシーケンスは60個の特異な高忠実度シリコーン大腸ファントムセグメントで撮影された。
地上の真相深度、表面の正常度、光学的流れ、閉塞度、6自由度ポーズ、カバーマップ、および3Dモデルが169の大腸内視鏡ビデオに提供されている。
消化器科医が取得した8つのシミュレートされた大腸内視鏡ビデオには、真実のポーズが提供されている。
データセットには、質的評価のための大腸変形を特徴とする15のビデオが含まれている。
C3VDv2は、糞便の破片、粘膜プール、血液、大腸内視鏡レンズを覆う破片、顔の視界、高速カメラの動きなど、多種多様な3D再構成アルゴリズムのシナリオをエミュレートする。
C3VDv2の強化されたリアリズムにより、3D再構成アルゴリズムのより堅牢で代表的な開発と評価が可能になる。
関連論文リスト
- UVRM: A Scalable 3D Reconstruction Model from Unposed Videos [68.34221167200259]
従来の2次元視覚データを用いた3D再構成モデルのトレーニングには、トレーニングサンプルのカメラポーズに関する事前知識が必要である。
UVRMは、ポーズに関する情報を必要とせず、単眼ビデオでトレーニングし、評価できる新しい3D再構成モデルである。
論文 参考訳（メタデータ） (2025-01-16T08:00:17Z) - ToDER: Towards Colonoscopy Depth Estimation and Reconstruction with Geometry Constraint Adaptation [67.22294293695255]
そこで本稿では,ToDERという双方向適応アーキテクチャを用いて,高精度な深度推定を行う新しいパイプラインを提案する。
以上の結果から,本手法は実写および合成大腸内視鏡ビデオの深度マップを精度良く予測できることが示唆された。
論文 参考訳（メタデータ） (2024-07-23T14:24:26Z) - Endora: Video Generation Models as Endoscopy Simulators [53.72175969751398]
本稿では,臨床内視鏡シーンをシミュレートする医用ビデオを作成するための革新的な手法であるモデルを紹介する。
また、ビデオ生成モデルを用いた内視鏡シミュレーションのための最初の公開ベンチマークを開拓した。
Endoraは、臨床内視鏡研究のための生成AIの展開において、注目すべきブレークスルーとなる。
論文 参考訳（メタデータ） (2024-03-17T00:51:59Z) - SimCol3D -- 3D Reconstruction during Colonoscopy Challenge [31.01817462784811]
2022年のEndoVisのサブチャレンジSimCol3Dは、データ駆動深度を促進し、大腸内視鏡で予測する。
合成大腸内視鏡画像からの深度予測は頑健に解けるが, ポーズ推定は未解決の課題である。
論文 参考訳（メタデータ） (2023-07-20T22:41:23Z) - Geometry-Aware Attenuation Learning for Sparse-View CBCT Reconstruction [53.93674177236367]
Cone Beam Computed Tomography (CBCT) は臨床画像撮影において重要な役割を担っている。
従来の方法では、高品質な3D CBCT画像の再構成には数百の2次元X線投影が必要である。
これにより、放射線線量を減らすため、スパースビューCBCT再構成への関心が高まっている。
本稿では,この問題を解決するために,新しい幾何対応エンコーダデコーダフレームワークを提案する。
論文 参考訳（メタデータ） (2023-03-26T14:38:42Z) - Colonoscopy 3D Video Dataset with Paired Depth from 2D-3D Registration [1.1774995069145182]
大腸内視鏡におけるコンピュータビジョン手法のベンチマークのための3Dビデオデータセット(C3VD)を提案する。
そこで本研究では,光学ビデオシーケンスを,既知の3次元モデルの地上実写表示で登録するための,新しい2D-3D登録手法を提案する。
論文 参考訳（メタデータ） (2022-06-17T17:23:50Z) - ColDE: A Depth Estimation Framework for Colonoscopy Reconstruction [27.793186578742088]
本研究では,大腸内視鏡データの特別な課題に対処するために,一連のトレーニング損失を設計した。
ColDEという名前の自己監督型フレームワークは、十分なトレーニング損失を伴って、大腸内視鏡データのより詳細なマップを生成することができる。
論文 参考訳（メタデータ） (2021-11-19T04:44:27Z) - Automated Model Design and Benchmarking of 3D Deep Learning Models for
COVID-19 Detection with Chest CT Scans [72.04652116817238]
3D胸部CTスキャン分類のための3D DLモデルを自動的に検索するための差別化可能なニューラルネットワーク探索(DNAS)フレームワークを提案する。
また,我々のモデルのクラスアクティベーションマッピング(cam)技術を利用して,結果の解釈可能性を提供する。
論文 参考訳（メタデータ） (2021-01-14T03:45:01Z) - Colonoscopy Polyp Detection: Domain Adaptation From Medical Report
Images to Real-time Videos [76.37907640271806]
大腸内視鏡画像と実時間映像の領域間ギャップに対処する画像-ビデオ結合型ポリープ検出ネットワーク(Ivy-Net)を提案する。
収集したデータセットの実験は、Ivy-Netが大腸内視鏡ビデオで最先端の結果を達成することを示した。
論文 参考訳（メタデータ） (2020-12-31T10:33:09Z) - SERV-CT: A disparity dataset from CT for validation of endoscopic 3D
reconstruction [8.448866668577946]
CT(SERV-CT)に基づく立体内視鏡再構成検証データセットを提案する。
SERV-CTデータセットは、内視鏡画像の大部分をカバーするスムーズな参照格差と深さを持つ外科的アプリケーションのための使いやすい立体的検証を提供します。
論文 参考訳（メタデータ） (2020-12-22T01:28:30Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。